non-autoregressive models

新的SPRINT模型单步生成推荐，提高效率和准确性

研究人员推出SPRINT，一种新颖的单步生成式推荐系统，它绕过了现有自回归和非自回归模型中常见的逐个token生成。通过将物品推荐视为token生成概率的流动，并以平均概率速度来表征，SPRINT可以在一次前向传播中生成推荐。这种方法带来了显著的效率提升，与同类方法相比速度提升了8.39-10.04倍，同时推荐准确率平均提高了7.77%。该系统利用双向Transformer和双层流对比目标来保持生成token之间的一致性。